原文链接：/?p=22879
数据集概述
这个数据集常用于数据概述、可视化和聚类模型。它包括三个鸢尾花品种，每个品种有50个样本，以及一些属性。其中一个花种与其他两个花种是线性可分离的，但其他两个花种之间不是线性可分离的。
这个数据集的给定列是:
i> Id
ii> 萼片长度(Cm)
iii>萼片宽度(Cm)
iv> 花瓣长度(Cm)
v> 花瓣宽度 (Cm)
vi> 品种
让我们把这个数据集可视化，并用kmeans进行聚类。
基本可视化
IRIS数据，聚类前的基本可视化
plot(data,aes(x,y))
plot(data,geom_density(alpha=0.25)
火山图
plot(iris,stat_density(aes(ymax=..density..,ymin=-..density..,
plot(data,aes(x),stat\_density=..density..,facet\_grid.~Species)
聚类数据 :: 方法-1
#在一个循环中进行15次的kmeans聚类分析for(iin1:15)kmeans(Data,i)totalwSS\[i\]<-tot#聚类碎石图-使用plot函数绘制total_wss与no-of-clusters的数值。plot(x=1:15,#x=类数量,1to15totalwSS,#每个类的total_wss值type="b"#绘制两点，并将它们连接起来
聚类数据 :: 方法-2
使用聚类有效性测量指标
library(NbClust)#设置边距为:c(bottom,left,top,right)par(mar=c(2,2,2,2))#根据一些指标来衡量聚类的合适性。#默认情况下，它检查从2个聚类到15个聚类的情况#花费时间
休伯特指数
休伯特指数是一种确定聚类数量的图形方法。
在休伯特指数图中，我们寻找一个明显的拐点，对应于测量值的明显增加，即休伯特指数第二差值图中的明显峰值。
D指数
在D指数的图表中，我们寻找一个重要的拐点（D指数第二差值图中的重要峰值），对应于测量值的显著增加。
####*******************************************************************##*在所有指数中:##*10proposed2asthebestnumberofclusters##*8proposed3asthebestnumberofclusters##*2proposed4asthebestnumberofclusters##*1proposed5asthebestnumberofclusters##*1proposed8asthebestnumberofclusters##*1proposed14asthebestnumberofclusters##*1proposed15asthebestnumberofclusters####*****结论*****####*根据多数规则，集群的最佳数量是2######*******************************************************************
画一个直方图，表示各种指数对聚类数量的投票情况。
在26个指数中，大多数（10个）投票给2个聚类，8个投票给3个聚类，其余8个（26-10-8）投票给其他数量的聚类。
直方图，断点=15，因为我们的算法是检查2到15个聚类的。
hist(Best.nc)
聚类数据 :: 方法-3
卡林斯基指标类似于寻找群组间方差/群组内方差的比率。
KM(Data,1,10)#对聚类1至10的测试# sortg = TRUE：将iris对象（行）作为其组别成员的函数排序#在热图中用颜色表示组成员类#排序是为了产生一个更容易解释的图表。#两个图。一个是热图，另一个是聚类数目与值（=BC/WC）。
modelData$results\[2,\]#针对BC/WC值的聚类
#那么，这些数值中哪一个是最大的？BC/WC应尽可能的大which.max(modelData$results\[2,\])
用Silhoutte图对数据进行聚类 :: 方法-4
先试着2个类
#计算并返回通过使用欧氏距离测量法计算的距离矩阵，计算数据矩阵中各行之间的距离。#获取silhoutte系数silhouette(cluster,dis)
试用8个聚类
#计算并返回通过使用欧氏距离测量法计算的距离矩阵，计算数据矩阵中各行之间的距离。#获取silhoutte系数silhouette(cluster,dis)
分析聚类趋势
计算iris和随机数据集的霍普金统计值
#1.给定一个数字向量或数据框架的一列根据其最小值和最大值生成统一的随机数runif(length(x),min(x),(max(x)))#2.通过在每一列上应用函数生成随机数据apply(iris\[,-5\],2,genx)#3.将两个数据集标准化scale(iris)#默认,center=T,scale=T#4.计算数据集的霍普金斯统计数字hopkins_stat
#也可以用函数hopkins()计算。hopkins(iris)
#5.计算随机数据集的霍普金斯统计量hopkins_stat
点击标题查阅往期内容
Python、R对小说进行文本挖掘和层次聚类可视化分析案例
R语言k-means聚类、层次聚类、主成分（PCA）降维及可视化分析鸢尾花iris数据集
R语言有限混合模型(FMM,finite mixture model)EM算法聚类分析间歇泉喷发时间
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言k-Shape时间序列聚类方法对股票价格时间序列聚类
R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析
R语言复杂网络分析：聚类（社区检测）和可视化
R语言中的划分聚类模型
基于模型的聚类和R语言中的高斯混合模型
r语言聚类分析：k-means和层次聚类
SAS用K-Means 聚类最优k值的选取和分析
用R语言进行网站评论文本挖掘聚类
基于LDA主题模型聚类的商品评论文本挖掘
R语言鸢尾花iris数据集的层次聚类分析
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
R语言聚类算法的应用实例
欲阅读全文，请点击左下角“阅读原文”。
欲阅读全文，请点击左下角“阅读原文”。
